Google được cho là bắt tay AMD phát triển TPU thế hệ mới, tham vọng đưa CPU vào cùng gói chip AI #Google #AMD #TPU #TPUv10 #AI #ChipAI #BanDan #CPU #ASIC #Gemini #ReinforcementLearning #AgenticAI #NVIDIA #Broadcom #Marvell #GoogleCloud
Nếu Google thực sự đưa CPU AMD vào ngay trong cùng gói với TPU, liệu đây có phải bước ngoặt khiến cuộc chiến chip AI không còn đơn thuần là cuộc đua GPU của NVIDIA?
1. Thông tin AMD tham gia TPU thế hệ mới của Google đang gây chú ý
Một báo cáo được Data Center Dynamics dẫn lại từ hãng nghiên cứu SemiAnalysis cho biết thị trường đang xuất hiện thông tin Google làm việc với AMD trong một dự án thuộc thế hệ TPU v10. Điểm đáng chú ý nhất không chỉ nằm ở việc AMD có thể tham gia thiết kế chip tùy biến cho Google, mà còn ở khả năng kiến trúc TPU tương lai được tích hợp các lõi CPU ngay trong cùng package. Tuy nhiên, đây hiện vẫn là thông tin từ nguồn phân tích ngành, chưa phải một sản phẩm TPU v10 được Google và AMD chính thức công bố. (Datacenter Dynamics)
Nếu trở thành hiện thực, đây có thể là một bước tiến quan trọng đối với cả hai doanh nghiệp. Google có thêm một đối tác sở hữu năng lực CPU, chiplet và đóng gói tiên tiến, trong khi AMD có cơ hội mở rộng sâu hơn vào thị trường custom AI ASIC vốn đang phát triển mạnh cùng làn sóng đầu tư trung tâm dữ liệu AI.
2. Vì sao TPU lại cần CPU nằm gần hơn
TPU được thiết kế để tăng tốc các phép toán tensor phục vụ học máy. Với những tác vụ AI truyền thống, mô hình có thể dành phần lớn thời gian cho các phép nhân ma trận và những hoạt động song song quy mô lớn.
Nhưng AI đang thay đổi.
Các mô hình reasoning, reinforcement learning và hệ thống agent ngày càng phải thực hiện nhiều bước tuần tự. Accelerator không hoạt động hoàn toàn độc lập mà phải phối hợp với CPU để điều phối tác vụ, chuẩn bị dữ liệu và xử lý những phần công việc mang tính general-purpose.
Google từng thừa nhận agentic workflows tạo ra nhu cầu phối hợp chặt chẽ hơn giữa general-purpose compute và bộ tăng tốc machine learning. (Google Cloud)
Đây chính là lý do ý tưởng đưa CPU tiến sát TPU, thậm chí tích hợp CPU và TPU trong cùng một package, trở nên đặc biệt đáng chú ý.
Thành phần Vai trò chính Giá trị đối với hệ thống AI
TPU Tính toán tensor và AI acceleration Thông lượng AI rất cao
CPU Điều phối và xử lý general-purpose Linh hoạt với workload tuần tự
HBM Bộ nhớ băng thông cao Cấp dữ liệu nhanh cho accelerator
Interconnect Kết nối chip và hệ thống Mở rộng hàng nghìn accelerator
Advanced packaging Đưa các thành phần lại gần nhau Giảm khoảng cách truyền dữ liệu
Một thiết kế kết hợp CPU, TPU và HBM trong một hệ thống đóng gói chặt chẽ về lý thuyết có thể giảm chi phí di chuyển dữ liệu và cải thiện khả năng phối hợp giữa general-purpose compute với AI acceleration.
3. AMD có thứ Google đang cần
AMD không chỉ sản xuất CPU Ryzen dành cho máy tính cá nhân.
Trong trung tâm dữ liệu, AMD sở hữu dòng CPU EPYC, GPU và accelerator Instinct, công nghệ chiplet cùng kinh nghiệm tích hợp nhiều loại die trong một package.
Một ví dụ đáng chú ý là AMD Instinct MI300A, kiến trúc kết hợp CPU và GPU accelerator với bộ nhớ HBM trong một hệ thống tích hợp. Chính kinh nghiệm này khiến khả năng AMD tham gia một TPU có CPU tích hợp trở nên đáng quan tâm về mặt kỹ thuật.
Tom’s Hardware nhận định thế mạnh CPU IP, chiplet và khả năng tích hợp của AMD có thể phù hợp với hướng phát triển TPU lai trong tương lai. Tuy vậy, cấu hình cụ thể của TPU v10 vẫn chưa được xác nhận chính thức. (Tom’s Hardware)
4. Google đã chuẩn bị nền móng từ TPU thế hệ 8
Động thái này sẽ dễ hiểu hơn nếu nhìn vào TPU 8t và TPU 8i mà Google chính thức giới thiệu ngày 22 tháng 4 năm 2026.
Lần đầu tiên Google chia một thế hệ TPU thành hai kiến trúc chuyên biệt.
TPU Google Mục tiêu Điểm nổi bật Google công bố
TPU 8t Training 9.600 chip trong một superpod
TPU 8t Training 121 exaflops compute
TPU 8t Training 2 PB shared memory
TPU 8i Inference và reinforcement learning 288 GB HBM
TPU 8i Inference và reinforcement learning 384 MB SRAM
TPU 8i Kết nối ICI 19,2 Tb/s
TPU 8i Hiệu quả Tốt hơn 80 phần trăm performance per dollar so với thế hệ trước
Các con số trên đến từ Google Cloud và cho thấy TPU đã không còn được phát triển đơn thuần theo hướng tăng FLOPS. Google đang tối ưu kiến trúc riêng cho training, inference, reinforcement learning, latency và các workload agentic AI. (Google Cloud)
Google cho biết TPU 8t có thể đạt gần ba lần compute performance so với thế hệ trước, còn hạ tầng của hãng hướng tới khả năng phối hợp hơn một triệu TPU trong một cluster quy mô cực lớn. (Google Cloud)
5. Cuộc chơi không chỉ có AMD
Một chi tiết rất quan trọng là không nên hiểu thông tin AMD xuất hiện trong dự án TPU v10 đồng nghĩa Google sẽ loại bỏ toàn bộ các đối tác hiện tại.
Google đang thực hiện chiến lược đa dạng hóa hệ sinh thái silicon.
Reuters ngày 19 tháng 8 năm 2026 đưa tin Marvell đã đạt thỏa thuận với Google liên quan đến chương trình custom AI chip. Thỏa thuận còn đi kèm quyền cho Google mua tối đa khoảng 58,97 triệu cổ phiếu Marvell với giá thực hiện 206,58 USD mỗi cổ phiếu, tương đương quy mô tiềm năng khoảng 12,2 tỷ USD. Reuters nhận định động thái này phản ánh xu hướng Google đa dạng hóa chuỗi cung ứng chip AI thay vì đơn giản thay thế một đối tác bằng một đối tác khác. (Reuters)
Broadcom cũng là cái tên có lịch sử quan trọng trong hệ sinh thái TPU của Google.
Nếu AMD thực sự tham gia TPU v10, bức tranh có thể trở thành một mạng lưới đối tác silicon rộng hơn thay vì mô hình Google phụ thuộc vào một nhà cung cấp duy nhất.
6. NVIDIA vẫn là đối thủ cực kỳ đáng gờm
TPU thường được nhìn nhận như một trong những công cụ quan trọng giúp Google giảm sự phụ thuộc vào GPU NVIDIA cho các workload nội bộ và Google Cloud.
Nhưng điều đáng chú ý là Google không lựa chọn con đường loại bỏ NVIDIA.
Google Cloud xác nhận vẫn hợp tác sâu với NVIDIA và dự kiến cung cấp các instance A5X sử dụng nền tảng NVIDIA Vera Rubin NVL72. Google đồng thời hợp tác với NVIDIA về giao thức mạng Falcon thông qua Open Compute Project. (Google Cloud)
Do đó, chiến lược thực tế của Google có vẻ giống mô hình đa kiến trúc hơn.
Google có TPU tùy biến cho những workload mà hãng có khả năng đồng tối ưu phần cứng và phần mềm, đồng thời vẫn cung cấp GPU NVIDIA để phục vụ khách hàng cần hệ sinh thái CUDA và các workload phù hợp GPU.
7. TPU v10 có CPU tích hợp sẽ thay đổi điều gì
Nếu thông tin TPU v10 tích hợp CPU on-package trở thành sản phẩm thực tế, thay đổi lớn nhất có thể không nằm ở một con số FLOPS cao hơn.
Nó nằm ở kiến trúc hệ thống.
AI agent và reinforcement learning có thể tạo ra chuỗi tác vụ phức tạp hơn so với inference truyền thống. CPU xử lý logic và orchestration, accelerator thực hiện tensor computation, HBM cung cấp dữ liệu với băng thông lớn.
Khi những thành phần này nằm xa nhau, dữ liệu phải di chuyển qua nhiều lớp kết nối.
Khi chúng được tích hợp chặt hơn, mục tiêu sẽ là giảm latency và overhead trong quá trình trao đổi dữ liệu.
Đây cũng là xu hướng đã xuất hiện ở nhiều nền tảng HPC và AI hiện đại, trong đó CPU không biến mất mà được đưa ngày càng gần accelerator.
8. AMD có thể trở thành đối tác đặc biệt trong cuộc đua custom silicon
Đối với AMD, ý nghĩa của dự án còn lớn hơn doanh thu từ một hợp đồng chip.
AMD vốn cạnh tranh trực tiếp với NVIDIA bằng Instinct accelerator, đồng thời cạnh tranh với Intel và các nhà cung cấp CPU máy chủ bằng EPYC.
Nếu AMD tham gia sâu vào một custom ASIC của Google, doanh nghiệp có thể mở thêm một hướng kinh doanh mới.
Thay vì chỉ bán accelerator mang thương hiệu AMD, hãng có thể cung cấp CPU IP, chiplet, packaging và năng lực thiết kế cho silicon tùy biến của hyperscaler.
Điều đó đặt AMD vào một vị trí thú vị giữa nhiều thị trường đang hội tụ.
Doanh nghiệp Thế mạnh nổi bật trong cuộc đua AI
Google TPU, Gemini, AI Hypercomputer, hạ tầng hyperscale
AMD EPYC, Instinct, CPU IP, chiplet, advanced packaging
NVIDIA GPU AI, CUDA, NVLink và hệ sinh thái phần mềm
Broadcom Custom silicon và networking
Marvell Custom silicon, networking và hạ tầng hyperscale
9. Cuộc chiến AI đang chuyển từ chip sang toàn bộ hệ thống
Điều đáng chú ý nhất trong câu chuyện Google và AMD không phải câu hỏi TPU v10 có mạnh hơn GPU NVIDIA bao nhiêu phần trăm.
Cuộc cạnh tranh AI đang dịch chuyển sang cấp độ hệ thống.
Một accelerator cực mạnh nhưng phải chờ CPU, thiếu băng thông bộ nhớ hoặc gặp bottleneck mạng vẫn có thể khiến hàng tỷ USD hạ tầng không đạt hiệu suất tối ưu.
Google vì vậy đang đồng thời phát triển TPU, CPU Axion, interconnect, networking, storage, phần mềm JAX, Pathways và AI Hypercomputer. Trang TPU chính thức của Google mô tả TPU là accelerator được đồng thiết kế với software nhằm phục vụ toàn bộ vòng đời AI, từ training đến inference và agentic AI. (Google Cloud)
Nếu AMD thực sự bước vào TPU v10 với công nghệ CPU và advanced packaging, đây sẽ là một mảnh ghép phù hợp với chiến lược đó.
Và nếu CPU cuối cùng được đặt ngay cạnh TPU cùng HBM trong một package, cuộc chiến chip AI sẽ bước thêm một bước xa khỏi khái niệm GPU đấu TPU đơn thuần.
Đó sẽ là cuộc cạnh tranh giữa những kiến trúc AI hoàn chỉnh, nơi CPU, accelerator, bộ nhớ, interconnect, networking và software được tối ưu như một hệ thống thống nhất.
Câu hỏi lớn lúc này không chỉ là Google có thể giảm phụ thuộc vào NVIDIA đến đâu, mà còn là AMD sẽ đóng vai trò gì nếu các hyperscaler ngày càng muốn tự thiết kế bộ não AI của chính mình.
#Google #AMD #TPU #TPUv10 #GoogleTPU #ChipAI #AI #TriTueNhanTao #BanDan #ASIC #CPU #GPU #HBM #Chiplet #AdvancedPackaging #ReinforcementLearning #AgenticAI #Gemini #GoogleCloud #NVIDIA #Broadcom #Marvell #DataCenter #AIInfrastructure
